سمینار ارشد برق الکترونیک: طراحی و شبیه سازی سیستم تشخیص تهاجم به رایانه ها

متن کامل پایان نامه مقطع ارشد مهندسی برق

با عنوان : طراحی و شبیه سازی سیستم تشخیص تهاجم به رایانه ها به کمک شبکه های عصبی مصنوعی

در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

دانشگاه آزاد اسلامي
واحد تهران جنوب
دانشكده تحصيلات تكميلي
“M.Sc” پايان نامه براي دريافت درجه كارشناسي ارشد
مهندسي برق- الكترونيك
عنوان:
طراحي و شبيه سازي سيستم تشخيص تهاجم به رايانهها به كمك شبكه هاي عصبي مصنوعي

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چكيده
در اين پژوهش، چگونگي طرح و پيادهسازي سيستم تشخيص تهاجم به شبكه هاي رايانهاي مبتني بر ساختار شبكه هاي عصبي ارائه شده است. استفاده از شبكة عصبي در اين سيستمها باعث بالا رفتن انعطاف پذيري سيستم ميشود. از سوي ديگر، بكارگيري شبكة عصبي، سيستم را قادر به يادگيري رفتار حملات ميكند، تا بتواند بدون نياز به بهنگام سازي قادر به تشخيص حملات جديد شود. در اين پژوهش از دو شبكة عصبي ايستا و پويا (Elman و MLP) استفاده و در پايان، نتايج عملكرد اين دو سيستم با هم مقايسه شده است. شبكه هاي MLP دولايه و سه لايه به ترتيب قادر به شناسايي 90/99% و 91/41% حملات بودند. شبكه هاي  Elman دولايه و سه لايه نيز به ترتيب قادر به شناسايي 91/37% و 89/94% حملات بودند.

مقدمه
شبكه هاي كامپيوتري عليرغم منافعي از قبيل اشتراك قدرت محاسباتي و منابع، خطراتي را نيز خصوصا در زمينه امنيت سيستم به همراه آورده اند. در طي دو دهه اخير تلاشهاي تحقيقاتي فراواني در زمينة امنيت شبكه صورت گرفته و تكنيك هاي مختلفي براي ساختن شبكه هاي امن ارائه شدهاند. در اين پايان نامه عملكرد دو شبكة عصبي تحت سرپرست MLP و Elman  در تشخيص تهاجم به شبكه هاي رايانه اي بررسي شده است. در فصل 1 كليات اين پژوهش شامل هدف، تحقيقات انجام شده و نحوه انجام پژوهش بررسي شده است. در فصل 2 توضيحاتي در خصوص شبكه هاي عصبي MLP و Elman  و نحوه آموزش اين شبكه ها ارائه شده است. در فصل 3 سيستمهاي تشخيص تهاجم، به همراه انواع و نحوه كار آنها بررسي شده است. همچنين در مورد برخي انواع حملات قابل تشخيص توسط اين سيستمها نيز توضيحاتي ارائه شده است. در فصل 4 در خصوص داده هاي آموزش و آزمون KDD CUP 99 و همچنين نحوه پيش پردازش اين داده ها، جهت تبديل آنها به قالب مورد قبول شبكة عصبي، توضيحاتي ارائه شده است. در فصل 5 سيستم هاي تشخيص تهاجم مبتني بر شبكه هاي عصبي ايستا و پوياي MLP و Elman  توضيح داده شدهاند و سپس عملكرد اين شبكه ها در تشخيص حملات و دستهبندي آنها به 5 گروه خروجي، بررسي و مقايسه شده است. در پايان فصل 6 به نتيجه گيري، بيان پيشنهادات و نيز ارائه پيوست هاي لازم پرداخته است.

فصل اول

كليات

1-1 هدف

با رشد تكنولوژي هاي مبتني بر اينترنت، كاربرد شبكه هاي رايانه اي در حال افزايش است و در نتيجه تهديدات حملات رايانه اي نيز گسترش مي يابد. در برخي موارد خسارات ناشي از حملات رايانه اي براي سازمان ها به ميليونها دلار ميرسد و حتي گاهي مواقع اين خسارات جبران ناپذير هستند. بنابراين، امروزه تشخيص تهاجم بيشتر از هر زمان ديگري توجه محققان را به خود جلب كرده است. سيستم تشخيص تهاجم، يك سيستم مديريت امنيت براي شبكه ها و رايانه ها ميباشد. اين سيستمها به دو دسته سيستمهاي تشخيص تهاجم مبتني بر ميزبان و سيستمهاي تشخيص تهاجم مبتني بر شبكه تقسيم ميشوند. در اين پژوهش از سيستمهاي تشخيص تهاجم مبتني بر شبكه استفاده شده است.

براساس روش تحليل و تشخيص نيز سيستمهاي تشخيص تهاجم به دو دستة اساسي سيستمهاي تشخيص سوءاستفاده و سيستمهاي تشخيص ناهنجاري تقسيم ميشوند. در مدل تشخيص سوءاستفاده، كه مورد نظر اين پژوهش ميباشد، از نشانه هاي شناخته شدهاي كه در رابطه با تهاجمات يا آسيب پذيريها وجود دارد، استفاده شده و سيستم به دنبال فعاليتهايي ميگردد كه مشابه اين نشانه ها باشند. در اين مدل نياز به بهنگامسازي مداوم نشانه ها وجود دارد. هدف در اين پژوهش، بررسي برخي روشهاي ممكن براي بالا بردن انعطاف پذيري سيستمهاي تشخيص تهاجم ميباشد تا نياز به بهنگام سازي سيستم از بين برود و سيستم توانايي شناسايي حملات ناشناختهاي كه قبلا نديده است، را داشته باشد.

يكي از روشهاي مطرح در تشخيص تهاجم، بهرهگيري از شبكههاي عصبي مصنوعي است. در سالهاي اخير بسياري از كارهاي انجام شده در زمينة تشخيص تهاجم، برروي اين موضوع تمركز نموده اند. استفاده از شبكة عصبي در تشخيص تهاجم باعث بالا رفتن انعطاف پذيري ميشود. از مزاياي شبكة عصبي مي توان به قابليت تحليل داده هاي غيركامل شبكه و نيز قابليت يادگيري آنها اشاره نمود. بنابراين سيستمهاي تشخيص تهاجم مبتني بر شبكة عصبي قابليت يادگيري رفتار حملات را دارند و قادر هستند حملات جديد را بدون بهنگام
سازي سيستم تشخيص دهند. اين سيستمها ابتدا براساس رفتارهاي طبيعي و يا حمله و يا تركيبي از هردوي آنها آموزش يافته، سپس جهت تشخيص تهاجم به كار برده ميشوند. سيستم تشخيص تهاجم مبتني بر شبكة عصبي طراحي شده در اين پژوهش قادر به دسته بندي حملات به 5 گروه تعريف شده در خروجي ميباشد، كه در حقيقت همان پنج گروه موجود در مجموعه دادة آموزشي مورد استفاده ميباشد.

تعداد صفحه : 147

قیمت : یازده هزار تومان

 

بلافاصله پس از پرداخت ، لینک دانلود به شما نشان داده می شود

و به ایمیل شما ارسال می شود.

پشتیبانی سایت :       

--------******** ****         baharfile@zoho.com

جستجو در سایت : کلمه کلیدی خود را وارد نمایید :

 
 

مطالب مشابه را هم ببینید

 

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید

2 پاسخ

ارسال یک پاسخ

می خواهید در گفتگو ها شرکت کنید؟
Feel free to contribute!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *